Så kör du Claude Code och Codex över natten via /goal år 2026: 14 timmars autonomt läge

Information om hur du arbetar med Ailoot finns i dokumentationen.

Vad är /goal och varför dök det upp 2026?#

Scenariot vi alla levde med före april 2026: Jag ger Claude en uppgift: ”migrera projektet från Pydantic v1 till v2”. Den börjar, stannar efter 30 sekunder, jag tittar på vad den gjorde och skriver ”fortsätt”. Den tar nästa steg, stannar och jag skriver ”fortsätt” igen. Vid en stor migrering innebär det 200–300 manuella ”fortsätt”, och i praktiken passar jag agenten i stället för att skriva annan kod parallellt.

OpenAI:s analys var att problemet inte var modellens ”dumhet”, utan loopens arkitektur. Modellen visste inte när den skulle stanna, så den bromsade vid varje tur. Ge den ett kriterium för när arbetet är klart, så avgör den själv.

Så uppstod /goal – en mekanism inbyggd i körmiljön, inte i modellen.

Uttalandet gjordes på konferensen Code with Claude i London den 19–20 maj 2026. Det beskriver vad som faktiskt hände under månaden efter att /goal lanserades i båda verktygen.

Hur konfigurerar du Goal-läget i Claude Code?#

Ett minimalt exempel från Anthropics officiella dokumentation:

claude -p "/goal CHANGELOG.md har en post för varje PR som slagits samman den här veckan"

Det här kommandot startar agenten i bakgrunden med ett mål. Claude hittar PR:erna, kontrollerar dem mot CHANGELOG.md, lägger till eventuella saknade rader och stannar när kriteriet är uppfyllt.

I interaktivt läge skriver du bara /goal följt av villkoret:

/goal alla pytest-tester godkänns och mypy strict rapporterar noll fel

Vad Claude gör sedan:

• Efter varje tur får en separat snabb modell (Haiku som standard) det aktuella villkoret och konversationshistoriken
• Modellen svarar ”ja” eller ”nej” med en kort motivering
• Om svaret är ”nej” tar Claude automatiskt en ny tur utan att lämna tillbaka kontrollen till dig
• Om svaret är ”ja” rensas målet och kontrollen lämnas tillbaka till dig

Hårda begränsningar som ingen berättar om förrän du stöter på dem:

• /goal fungerar bara i arbetskataloger där du har godkänt förtroendedialogen. Om du är på en ny dator och Claude ännu inte har kommit ihåg katalogen misslyckas kommandot
• I företagsmiljöer med disableAllHooks eller allowManagedHooksOnly är kommandot inte tillgängligt
• Villkoret kan vara upp till 4,000 tecken långt
• Endast ett mål kan vara aktivt per session. Ett nytt /goal återställer det gamla
• Med --resume bevaras villkoret, men räknarna för turer, tid och token återställs

Kommandon för styrning:

• /goal utan argument – visa aktuell status
• /goal clear (eller stop, off, reset, none, cancel) – rensa målet

Enligt Anthropic är utvärderarens kostnad ”vanligtvis försumbar jämfört med kostnaden för huvudturen”. Haiku utvärderar kriteriet och konversationstexten och anropar inga verktyg, så kontrollen är billig. Det dyra är huvudmodellens turer.

Hur konfigurerar du /goal i Codex CLI?#

Kommandot ser likadant ut som i Claude:

codex
> /goal alla vitest-tester godkänns och det inte finns några eslint-fel

Codex erbjuder fler styrkommandon:

Den största skillnaden mot Claude är att Codex själv kontrollerar om arbetet är ”klart”, i stället för att en separat modell gör det. Efter varje tur infogar Codex automatiskt mallen continuation.md från kodförrådet openai/codex i kontexten. En ordagrann översättning:

”Fortsätt arbeta mot det aktiva trådmålet. Upprepa inte arbete som redan är gjort. Välj nästa konkreta åtgärd mot målet. Markera målet som uppnått först när en granskning visar att målet faktiskt har uppnåtts och inget nödvändigt arbete återstår.”

När tokenen närmar sig gränsen infogas en andra mall – budget_limit.md:

”Målet har nått sin tokengräns. Påbörja inget omfattande nytt arbete. Avsluta den här turen så snart som möjligt: sammanfatta användbara framsteg, identifiera återstående arbete och hinder och ge användaren ett tydligt nästa steg.”

Logiken är densamma: ”ljug inte om vad du har gjort”. Fortsättningen kräver att arbetet fortsätter endast om målet faktiskt inte har uppnåtts. Budget_limit kräver att arbetet stoppas, men att det som återstår beskrivs ärligt.

Till skillnad från Claude knyter Codex målet till tråden, inte sessionen. Du kan till exempel stänga terminalen och öppna den igen på morgonen, så återupptar /goal resume samma mål med samma fakta i minnet. Det är användbart för körningar som du delar upp i pass efter ditt eget schema.

Hur skiljer sig /goal i Claude Code från /goal i Codex?#

Det här är den vanligaste luckan i jämförelser, så låt oss titta närmare på den.

Den konceptuella skillnaden är att Claude behandlar loopen som ett kvalitetsåtagande (en extern utvärderare), medan Codex behandlar den som en körmekanism (agenten hanterar sig själv).

I praktiken innebär det här: om du vill att kriteriet för när arbetet är klart ska bedömas opartiskt väljer du Claude. Om du vill att agenten ska kunna kontrollera filer och loggar under utvärderingen väljer du Codex.

Läs mer om själva verktygen i guiden Codex jämfört med Claude Code.

Verkligt exempel: migrering från Pydantic v1 till v2 på 31 timmar#

Uppgiften formulerades så här: ”migrera från Pydantic v1 till v2, alla pytest-tester måste godkännas och mypy strict måste rapportera noll fel.”

Vad som hände:

• Session 1 (8 timmar) – Codex analyserade importerna, skrev om BaseModel-deklarationerna och satte upp mypy
• Session 2 (10 timmar) – skrev om validatorer och fick cirka 200 tester att fallera
• Session 3 (7 timmar) – fixade testerna och hittade cirkulära beroenden
• Session 4 (6 timmar) – löste de återstående mypy-felen och regressionerna

Tokenkostnad:

”Total tid på klockan: cirka 31 timmar fördelat på fyra sessioner. Den totala tokenskostnaden för Codex till gpt-5.3-codex-priser var cirka $44.”

Kostnaden domineras av utgående token från gpt-5.3-codex, med en taxa på $14 per miljon. Det innebär att 31 timmars autonomt arbete kostar ungefär lika mycket som veckor av ett ChatGPT Plus-abonnemang.

Vad agenten inte gjorde på egen hand:

• Den skrev inte någon migreringsdokumentation för teamet (Codex förstod inte att det ingick i ”migreringen”)
• Den uppdaterade inte konfigurationsfiler för publicering med den nya versionen av Pydantic
• Den missade en produktionsregression, som upptäcktes först en dag senare

Med andra ord gjorde /goal 95% av arbetet. De återstående 5% måste fortfarande göras för hand. Det är normalt för den nuvarande generationen och ingen anledning att avstå från att använda det.

Den allmänna regeln:

14 timmar med en macOS-drivrutin över natten#

Uppgifter som passar för långa nattkörningar#

De typer av uppgifter där metoden ger störst fördelar:

• Lågnivåarbete där en iteration och kontroll tar minuter (kompilering, testkörning)
• Migreringar med tydliga formella kriterier (typer, tester, lint)
• Benchmarktester och optimeringar med mätbara resultat
• Dokumentation och ändringsloggar med tydlig struktur

Claude /goal gör samma sak lika bra, men Codex väljs oftare för drivrutiner eftersom det kontrollerar filer och loggar själv i stället för att förlita sig på en extern bedömare.

Hur mycket kostar det, och hur undviker du att bränna igenom token över natten?#

Uppgifter från offentliga redogörelser:

Det viktigaste att förstå är att varken Claude Code eller Codex har en hård gräns av typen ”sluta spendera vid $N”. Det finns tre skydd:

1. Abonnemangsgränser – Pro, Max eller Enterprise. Med Anthropics Max-abonnemang ($100/månad) ryms en 14-timmarskörning över natten inom veckokvoten, med marginal
2. Textgräns i villkoret – skriv ”eller stoppa efter 20 turer” direkt i /goal. Claude-bedömaren läser det och avslutar målet
3. Tokengräns i Codex – inbyggd mekanism som infogar budget_limit.md när tokenen tar slut

Vad som driver upp kostnaden över natten:

• Ett vagt kriterium som ”gör det smidigare” – agenten slutar aldrig eftersom utvärderaren inte vet vad ”bättre” betyder
• Åtkomst till externa API:er utan stubbar – varje nytt försök kostar token
• Lång kontext – efter 6.7M token aktiveras kontextkomprimering och en del minne går förlorat

Läs mer om att spara kostnader i guiderna vart Claude Code-tokenen tar vägen och hur du undviker att bränna igenom dina gränser.

När ska du INTE köra /goal: 5 situationer#

OpenAI:s dokumentation säger uttryckligen vad du INTE ska göra:

1. Ändringar på en rad – att köra /goal för att byta namn på en variabel kostar mer än att göra det för hand
2. Vaga mål – ”förbättra prestandan”, ”gör koden renare”, ”gör det smidigare”. Utvärderaren saknar kriterier, så agenten snurrar vidare i all oändlighet
3. Produktionsdatabaser med användardata – agenten kan förstöra en migrering, och det kostar mer att återställa från en säkerhetskopia än vad du sparar
4. Säkerhetsändringar – autentisering, kryptering, betalningshantering. Här måste en person granska varje commit
5. Externa API:er utan stubbar – varje nätverksfel kostar token och ligger utanför din kontroll

Vad ska du göra om agenten fastnar?#

Så upptäcker du snabbt en loop:

• Agenten rör samma filer i 3+ turer och återställer dem sedan till föregående tillstånd
• Samma fel dyker upp upprepade gånger i loggen, fel som agenten redan har reagerat på
• Du tycker att villkoret är uppfyllt, men agenten säger ”inte uppfyllt”
• Tokenanvändningen per tur ökar, men det sker inga kodframsteg

Vad du gör härnäst:

• I Claude Code: /goal clear, och gör sedan villkoret mer specifikt
• I Codex: /goal pause, granska den aktuella tråden, redigera villkoret med /goal edit och kör sedan /goal resume
• I båda: kontrollera att kriteriet faktiskt går att verifiera (ett kommando returnerar exit 0 eller ger en specifik utskrift)

Ofta ligger orsaken till loopen i själva uppgiften, inte i agenten. Villkoret ”alla tester godkänns” förutsätter att testerna över huvud taget kan godkännas. Om det finns ett djupt arkitekturproblem i koden kommer agenten fortsätta att kretsa kring symptomet.

Kriterier för när arbetet är ”klart”: uppgiftsdisciplin för /goal#

OpenAI uttrycker regeln tydligt i sitt officiella Codex Cookbook:

Kriteriemallar som faktiskt fungerar:

Kombinationsraden använder tester, mypy och lint. Om ens en kontroll fortfarande visar fel avslutas inte målet. Utvärderaren har ingen möjlighet att fuska.

Antimönster:

• ”Koden är bättre”
• ”Användbarheten har förbättrats”
• ”Prestandan har förbättrats”
• ”Dokumentationen är komplett”

Skillnaden mellan ”fungerar” och ”fungerar inte” är verifierbarheten. Om ett kriterium inte går att kontrollera med ett kommando går det inte att kontrollera alls. Det är också vad OpenAI menar med ”sammanhang över långa tidshorisonter”: en agent kan tänka länge, men den kan inte själv avgöra vad som räknas som ”tillräckligt bra”.

Du kan testa idén ”en prompt – ett resultat” i ett verkligt projekt: ange /goal, formulera ett kriterium, kör det och analysera vad som gick fel.

Lär känna Ailoot.